基于深度学习机器视觉模型的水生蔬菜中4种有害元素提示系统研究

目的 建立一种基于机器视觉技术的水生蔬菜中4种有害元素含量水平提示系统，为食品风险监测采样过程中的风险提示提供技术支持。方法 利用残差网络(ResNet)和稠密连接网络(DenseNet)机器视觉模型，对茭白、慈姑、荸荠、菱角、藕等5种水生蔬菜图片图像进行训练，结合本省水生蔬菜中铬、砷、铅、镉等4种有害元素风险监测数据，构建5种水生蔬菜的图像识别及其有害元素含量水平的风险提示系统。结果 利用现有Vegfru数据集中与之相关蔬菜图片总计1 500多张，用两个模型进行120轮训练后，训练集和验证集识别准确度均>83%。从训练时间的角度考虑，最终选择Resnet-152模型用于预测。利用该模型对市面上购买的5种水生蔬菜进行识别，同时给出对应的铬、砷、铅、镉等4种有害元素含量范围，验证结果表明，4种有害元素含量均在提示范围内。结论 利用深度学习模型建立了对特定水生蔬菜有高辨识度的识别系统，结合已有食品风险监测数据，形成了4种有害元素污染浓度范围提示功能，可用于食品安全风险监测工作。